4.1.1 步行设施邻近性的影响因素——以重庆南岸区12个住区为例
住区是人群主动步行的主要空间，而步行设施的邻近性是决定主动出行的重要因素之一。本文通过在住区层面简单比较分析各不同类型城市住区功能设施布局特征、社会经济特征以及步行行为特征，初步分析不同住区功能设施布局特征与人群主动步行之间的关系。然后，本文将步行行为作为因变量、将住区步行设施布局要素作为自变量，社会经济特征变量作为自变量，通过运用相关分析和回归分析对步行行为具有显著影响的功能设施布局因子，同时确定这些因子对人群主动步行的贡献度。
1）研究样本
本文选取重庆市南岸区的相关住区进行研究。南岸区位于长江以北，独立组团特征明显，且各项配套也较为成熟；另一方面相比其他几个城区，其地势较为平坦，研究更具有普遍性。
（1）选取依据
①居住功能主导。所选取的住区以居住功能为主导辅以日常生活所必需的商业、娱乐休闲功能，但是所选住区不出现城市商业街、城市综合体、城市地标性建筑物、建筑古迹以及大型游览设施等易吸引外来购物、旅游、休闲的人群的公共设施，以此提升住区范围内日常生活设施对人群步行的影响力。
②住区环境成熟。住区所处建设阶段、配套公建设施还不完善以及社区氛围还未成熟等因素，会导致住区的人口密度、规模和配套达不到要求，进而使调查结果不能真实地反映居民真实的步行状况。因此，所选住区需要具备一定的成熟度，主要表现为具备一定的人口规模，同时所选区域范围内拥有较为完善的生活服务设施配套，以满足居民一般日常生活需要。这种区域内的环境可以满足区域内居住人口的日常步行活动，以利于研究的科学性。
③外围边界明确。本次研究范围是指城市中以居住功能为主导的某区域，与由城市道路所划分的地块相比，其具有更大的地域空间及范围，为了统计上的方便，研究的住区以街道办事处为单位。由于街道办事处是一个行政概念，其范围大小不一，特别是针对某些街道办事处范围较大的问题，本书为强调所选区域的步行单元概念，将居民住所所在500 m半径范围内为其住区环境，这也是相对独立的日常步行活动区域，同时也具备物质环境的相似性和心理环境的社区认同感。因此，为了简化调研，本文认为住区所在的街坊为一个住区单位，以街坊的几何中心为该住区居民的居住点，如图4.1所示。
图4.1 住区环境研究范围
（2）所选案例及其特征
不同时期社会、经济、文化背景不同，导致城市建设过程中规划理念和建设体制的不同，进而形成不同的空间结构形态的城市住区。本文将依据南坪组团发展阶段，将南坪组团的住区类型大致分为老城发展成熟期、老城发展更新调整期、城市功能拓展期，见表4.1。
表4.1 住区类型及其特征
老城发展成熟期住区主要建设于20世纪80年代末和90年代初，经历90年代改革开放的黄金期后，逐步走向成熟，这一时期主要以单位住区为主，同时夹杂部分普通商品住区。老城发展成熟期住区主要以小规模地块为主，住区形态以经济实用的中低城为主。老城区发展更新调整期住区主要建设于20世纪90年代末和21世纪初，特别是1997年直辖后，重庆迎来新一轮的发展契机，经历了大规模的老城改造，其主要以普通商品房为主。与老城发展成熟期住区类似，老城更新调整期住区主要以小规模地块为主，住区建筑形态也以经济实用的中低层为主，但是在后期开发过程中逐步混杂一些高层住宅。城市功能拓展期住区主要建设于直辖后，特别是2006年以后，随着两江新区的带动发展，南坪组团也进入了迅速扩展期，本文特指海峡路以北的城市住区拓展，这一时期的住区是典型的现代商品房住区，其由于在小汽车逐渐普及，地铁、公共汽车等公交迅速发展以及大量交通基础建设的背景下，在短期内迅速发展成熟。城市功能拓展期住区往往以大地块开发为主，其住区形态逐步向高空发展解决土地价格问题，向低密度社区发展满足部分人群对居住环境和品质的追求。
经过重庆主城区范围内多处城市的调研、分析、筛选，最终确定了南岸区的12个住区作为本节的研究案例，如图4.2和表4.2所示。同时，为避开南岸区中心的辐射影响，本次研究所选住区基本在中心直线距离1 km以外。
图4.2 住区调研案例
表4.2 调查住区一览表
续表
2）数据获取
调查研究主要分为两部分：一部分是样本问卷调查部分；另一部分是城市住区环境勘测调研部分。
问卷调查部分，根据所选住区建设规模及人口密度确定发放问卷的数量，一般每个住区控制在30～40份。同时，按每个住区问卷的人口构成进行了问卷数量的有效控制，以保证调查样本分布的合理性。
2012年12月到2014年1月期间，课题组先后对重庆市中心城区的16个城市住区进行问卷发放及回收工作，每个住区的发放至回收周期基本控制在1周左右。问卷由研究者进户随机发放与回收，同时在问卷发放过程中考虑各个年龄段上的均衡性。问卷调查内容主要包括个体社会经济属性、步行出行特征等方面。这次问卷调查在16个住区共发放问卷520份，回收问卷466份，通过对每张问卷各方面完整性与真实性的评定，最终筛选出406份问卷作为最后使用的样本，有效问卷的回收率为78.08%，见表4.3。
表4.3 问卷回收情况
续表
对于城市住区环境勘测调研部分，首先结合通过文献综述和理论分析，梳理可能对步行活动产生影响的住区物质环境因素，进而通过重庆大学建筑城规学院GIS信息处提供的所选研究住区的GIS资料，提取城市住区物质环境变量数据，同时通过实地考察和勘测，获得城市住区物质空间环境特征，以此补充GIS勘测所获得的变量数据。
3）变量设定
（1）步行行为变量
步行行为可由类型（步行出行目的）、模式（步行出行比例）、距离、频率、持续时间、强度来描述，其中持续时间、频率、强度3个维度是评价步行行为的主要定量指标，也是衡量步行水平（即步行出行量）的主要测度。一般来说，持续时间是指一次步行的时间或者一段时间内的步行时间，频率是指在指定的时间内的步行次数，强度是指参加步行行为的生理努力程度（如同等时间内，快走和慢行散步就反映了不同步行水平），其中频率和持续时间是最为常用的指标，而强度更多用于描述体力活动。不同研究领域，对步行行为所采取的量度也不尽相同，比如城乡规划和交通领域的研究者主要关注包括步行出行和交通使用在内的出行模式，如步行交通模式选择（Frank et al.，1994）、日常生活设施出行距离（卢银桃，2013）、每周步行出行的频率（Handy et al.，2006）、步行到商店的频率（Ding，2013）等；而公共健康领域的研究，则主要研究以步行持续时间为表征的步行总量（Frank et al.，2004）、休闲性步行总量（Brown et al.，2008）等。可以发现城乡规划和交通领域重点关注步行的出行模式和交通出行量，而公共健康领域则关注步行总量和休闲步行总量，但是，近来这些领域通过相互借鉴，在步行行为的研究中已经开始交叉和融合。
由第3章对邻近性的探讨，其影响因素主要包括土地利用布局和日常服务设施布局两个方面。土地利用布局是指城市功能布局上的相互邻近性，日常服务设施布局主要是指出行目的地的邻近性。居民步行类型分为通勤性步行、购物性步行以及休闲性步行。相关文献研究表明土地利用布局对人群出行方式选择具有重要影响。而日常服务设施，如锻炼场所、公园、绿地和商店等公共空间，也已有很多研究证明了它们的邻近性与居民步行出行相关，特别是公共空间的邻近性可以增加居民步行休闲性步行活动。本节将步行行为特征变量作为因变量，并依据本次研究数据获取的可行性和便利性，主要以步行频率作为步行行为的主要指标，同时，步行频率的高低从某种程度上来说可以同时反映步行交通模式的选择。本文近似认为步行频率高说明步行比例高以及步行量大，即居民的步行频率可在一定层面上说明住区的宜步行性水平，见表4.4。
表4.4 因变量设定
依据问卷调查结果，提取居民每周步行次数以及通勤性步行、购物性步行、休闲性步行的次数的数据，作为居民日常步行频率数据。本文通过对所调研的步行频率数据进行重分类，按照步行频率的大小排序并将其分为频繁出行、较多出行、一般出行、较少出行4类步行人群，每类各占人群数的25%，以便进行下一步研究。
（2）个体属性变量
影响步行行为的因素很多，主要包括个人因素、环境因素等，如果说物质环境因素是影响人群步行行为的外因，那么个人因素层面的很多因素则是对人群步行行为起着决定性作用的内因，因此，社会经济特征分析是人群行为研究的重要手段。依据前文研究模型假设，本文将人群社会特征变量作为协变量，影响因子主要包括性别、年龄、职业、教育、家庭人口、家庭收入、家庭是否拥有私家车（简称私家车）7个变量，见表4.5。
表4.5 自变量设定（一）
（3）住区物质空间形态变量
住区物质空间形态是本次研究的重点对象。依据前文研究模型假设，将住区物质空间形态特征变量作为自变量。邻近性是本次实证重点考察的空间形态变量，将采用土地利用混合度衡量土地利用布局的邻近性指标，重点计算商业办公、公共服务、居住、工业4种用地的混合度对步行行为的影响，同时为了测量指标的全面性，还将采取商业办公用地面积比、公共服务设施用地面积比、公园绿地用地面积比作为土地利用的指标，见表4.6。
表4.6 土地利用指标列表
为了更好地对日常服务设施进行研究，将日常服务设施分为商业设施、文化娱乐设施、教育设施、医疗设施、社区服务设施、绿色开敞空间、公交设施，见表4.7。需要指出的是，某些设施由于构成复杂，本文将予以简化考虑，研究重点日常服务设施对步行出行的影响。
表4.7 日常服务设施列表
续表
本文拟采用网络距离指标研究日常服务设施距离与步行出行的关系，主要研究上述7类设施的距离，也就是说，只选取每个类型中最近的设施距离，具体评价因子及计算模型见表4.8。日常服务设施种类与数量一般指一定范围内日常服务设施的种类及数量，主要以居住地500 m范围内日常服务设施的种类及数量，为了便于计算，本文将其日常服务设施数量转化为密度，具体评价因子及计算模型见表4.8。布局形态重点反映集聚形态，一般可用集聚度来表示，其计算方法是能够相互联系的目的地对数/理论上相互联系的目的地对数（Albert et al.，2002）。本文采用此方法表示日常服务设施的集聚形态，具体评价因子及计算模型，见表4.8。
表4.8 日常服务设施评价因子及计算模型
从实际调研发现，在住区层面，空间形态的连接性和场所性对人群主动步行的影响也很大，故将两者作为次要的空间形态变量。根据步行行为与住区环境的内在逻辑关系，本文从邻近性、连接性和场所性3个方面出发，拟订物质空间形态评价因子及其评价标准，具体见表4.9。
表4.9 自变量设定（二）
续表
4）分析方法
通过在住区层面简单比较分析各不同类型城市住区物质环境特征、社会经济特征以及步行行为特征，初步分析不同住区物质环境特征与居民步行行为之间的关系。然后，将步行行为作为因变量、将住区物质空间形态因子作为自变量以及将社会经济特征变量作为自变量，运用相关分析和回归分析确定对步行行为具有显著影响的住区物质环境影响因子，同时确定这些因子对步行出行行为的贡献度。
（1）相关性分析
相关性分析是研究事物之间关系紧密程度的一种数理统计方法。本文使用Pearson简单相关分析，考查2个变量之间的相关程度，以便找出关键变量，为下一步的模型建立提供依据。
统计学中常用Pearson简单相关系数来衡量两个定距变量之间的线性相关程度。变量间相关程度通常用相关系数r和p值衡量。相关系数r在-1和1之间，表示自变量对因变量的影响程度；r>0表示两个变量存在正相关，反之则为负相关；|r|越接近于1，表示该自变量对因变量的影响程度越大。p值在0和1之间表示自变量和因变量的相关性。当p<0.05时，表示自变量和因变量有较高的相关性；当0.05<p<0.1时，表示两者有一定的相关性；当p>0.1时则表示两者没有相关性。Pearson简单相关系数的计算方式为：
（2）回归分析
由于相关性分析只能辨别两个变量之间的关系，且只能考虑单个自变量与因变量的关系。因此，本文进一步采用多项逻辑回归方程，重点研究在人口属性的影响下，单个物质空间形态指标对步行频率的影响，从而更精确地分析对步行行为的影响因素。
为了更好地利用多项逻辑回归进行运算，本次研究首先将调研的步行频率数据进行重分类，按照步行频率的大小排序并将其分为频繁出行、较多出行、一般出行、较少出行4类步行人群，每类大约各占人群数的25%，以便进行下一步研究。随后，本文以较少出行为参照目标，步行频率为因变量，人群社会属性因子为协变量，进行多项逻辑回归运算，通过似然比检验观察各因子在模型中的显著性，去除无统计意义的因子，最终建立针对不同步行频率的人群社会属性基础模型。
假定多项逻辑回归模拟模型如下：
Logit（P（一般出行i）/P（较少出行））=f（Xin，Xjn） （4.2）
式中，Logit（P（出行i）/P（较少出行））为任意出行频率与较少出行比值的自然对数值；
“i”=1，2，3，出行1=一般出行，出行2=较多出行，出行3=频繁出行；Xin=个体属性，包括性别、年龄、教育、职业、家庭人口、家庭收入、家庭是否拥有私家车7个因子；
Xjn=物质空间形态指标，Xjn即为表4.9中的各物质空间形态指标。
为了更好地描述居民步行频率的频繁程度，以较少出行作为其他3种出行频率的共同对比参照目标，将以上模型转化为如下3个应用分析模型：
LN（P（一般出行）/P（较少出行））=βb+βbi1Xi1+βbi2Xi2+…+βbj1Xj1+βbj2Xj2+… （4.3）
LN（P（较多出行）/P（较少出行））=βc+βci1Xi1+βci2Xi2+…+βcj1Xj1+βcj2Xj2+… （4.4）
LN（P（频繁出行）/P（较少出行））=βc+βci1Xi1+βci2Xi2+…+βcj1Xj1+βcj2Xj2+… （4.5）
在模型中，分别纳入上一步Pearson相关分析中选出的p<0.1的物质空间形态指标变量，逐个检验该变量在逻辑斯蒂克回归模型的3个子模型中的因子显著性，进而提取对3个类别的步行行为特征具有关键性影响的物质空间形态指标。
由于各空间指标计量单位不同，为了方便在模型中比较各物质空间形态指标对步行出行频率的影响，对物质空间形态指标的原始数据进行标准化处理，可以使各种不同单位的数据无量纲化。本次标准差公式为：
式中 x——原始数据；
μ——平均值；
σ——标准差。
平均值：
标准差：
5）影响通勤性步行的关键性因子分析
（1）模型结果
①相关性分析。本节将对通勤性步行出行频率与物质空间形态因子进行相关性分析，计算Pearson相关系数，初步筛选通勤性步行行为相关的物质空间形态变量影响因子，具体见表4.10。
表4.10 通勤性步行出行频率与物质空间形态因子的相关性
续表
续表
注：∗p<0.1，∗∗p<0.05；深灰r>0.2，浅灰0.1<r<0.2。
②回归分析。以重新分类后的通勤性步行频率为因变量，社会属性因子为自变量，进行多项逻辑回归分析，生成作为通勤性步行频率的基础模型。与此同时，为了考察不同社会经济属性对通勤性步行的影响程度，逐个单独从基础模型中移除回归保留的变量，观察伪R2的变化值。由于伪R2反映了整个模型的拟合程度，所移除变量的伪R2变化值越大，说明该变量对模型拟合的影响越显著，最终得到的基础模型为：
LN(Pi/P0)=βi+βig1Xg2+βig2Xg3+βig3Xg4 (4.8)
其中，Xg2表示年龄；Xg3表示职业；Xg4表示私家车。
“i”=1，2，3，出行1=一般出行，出行2=较多出行，出行3=频繁出行；βign的取值为参数估计中对应的B值系数。其计算结果见表4.11。
表4.11 通勤步行基础模型的拟合结果
注：∗∗表示Sig值<0.05；∗表示0.05<Sig值<0.1。
然后，将前文Pearson相关分析中选出与通勤步行频率p<0.1的物质空间形态变量分别纳入上一步的人口属性基础模型，一方面通过加入该空间变量后模型拟合度伪R2增加值的大小来衡量该变量对通勤步行频率的影响程度。计算结果见表4.12。
表4.12 空间形态变量在通勤性基础模型中的参数结果
注：无填充∗p<0.1，浅灰∗∗p<0.05，深灰∗∗P<0.01。
（2）关键性因子分析
从前文模型来看，影响通勤性步行频率的空间形态因子较多，且相互之间关系较为复杂。因此，本文将重点挑选关键性指标进行分析。
本文首先按照模型分析的结果按伪R2增加值对排名前10的因子进行大小排序，结果见表4.13。考虑到街区边长、道路网络密度、交叉口密度3个指标的相似性，本次分析将去掉道路网络密度、交叉口密度指标，重点分析其他8个指标。
邻近性评价因子中的设施密度（0.008）、设施种类（0.007）、教育设施密度（0.010）、教育设施距离（0.013）、公交换乘站密度（0.010）对步行出行具有积极的影响。设施数量和设施种类在一定程度上反映了住区功能的多样性，其可以满足居民在通勤过程中完成其他任务，如顺便购物、交水电费等，这两个因素主要对高频率步行出行人群来说显得尤为重要。教育设施密度、教育设施距离在一定程度上反映了家长接送小孩的方便程度，特别是对于教育设施距离而言，其距离对家长接送小孩起到了决定性的作用。公交换乘站密度主要体现为短距离的公共换乘和公共交通的选择度，这有利于促进居民的步行交通转换，为居民的步行出行便利性提供了良好的条件。
连接性评价因子中的街道路网密度（0.013）对步行出行具有积极的影响，其在某种程度上说明街道路网密度对通勤步行的路径的便捷性，较高的街道路网密度往往意味着小尺度街区模式，其加强街道连通性，增加步行路网的渗透性，有利于便捷出行。特别是方便达到公交换乘站、教育设施等与步行通勤极为相关的场所，为居民步行通勤提供极大的便利。
场所性评价因子中的大于15家/100 m沿街商业长度密度（0.007），地块出入口密度（0.017）对步行出行也有积极的影响。对于大于15家/100 m沿街商业长度密度可能的解释是丰富的沿街商业有利于居民在上下班过程中顺便购物。而高地块出入口密度，反映了住区道路与封闭小区（公园）之间的内外渗透性，它能够为居民提供多种出行路径的选择，这一指标在当下中国普遍封闭住区的环境下具有积极的意义，从某种程度上来说，它强化了住区内部与外部街道（即外部交通）的联系，进而促进步行出行。
表4.13 按伪R2增加值大小排列前10位的关键性空间变量（一）
6）影响购物性步行的关键性因子分析
（1）模型结果
①相关性分析。本节将对购物性步行出行频率与物质空间形态因子进行相关性分析，计算Pearson相关系数，进一步筛选购物性步行行为相关的物质空间形态变量影响因子，具体见表4.14。
表4.14 购物性步行频率和邻近性物质空间形态的相关性
续表
注：∗p<0.1，∗∗p<0.05；深灰r>0.2，浅灰0.1<r<0.2。
②回归分析。以重新分类后的购物性步行频率为因变量，社会属性因子为自变量，进行多项逻辑回归分析，生成作为购物性步行频率的基础模型。与此同时，为了考察不同社会经济属性对购物性步行的影响程度，从基础模型中逐个单独移除回归保留的变量，观察伪R2的变化值。由于伪R2反映了整个模型的拟合程度，所移除变量的伪R2变化值越大，说明该变量对模型拟合的影响越显著。最终得到的基础模型为：
LN（Pi/P0）=βi+βig1Xg2+βig2Xg3+βig3Xg4+βig4Xg5+βig5Xg6+βig6Xg7 （4.9）式中，Xg2表示性别；Xg3表示年龄；Xg4表示职业；Xg5表示教育；Xg6表示家庭人口；Xg7表示私家车。
“i”=1，2，3，出行1=一般出行，出行2=较多出行，出行3=频繁出行；βign的取值为参数估计中对应的B值系数（计算结果见表4.15）。
表4.15 通勤步行基础模型的拟合结果
注：∗∗表示Sig值<0.05；∗表示0.05<Sig值<0.1。
然后，将前文Pearson相关分析中选出与购物性步行频率p<0.1的物质空间形态变量分别纳入上一步的社会属性基础模型，一方面通过加入该空间变量后模型拟合度伪R2增加值的大小来衡量该变量对通勤步行频率的影响程度。计算结果见表4.16。
表4.16 空间形态变量在购物性基础模型中的参数结果
续表
注：无填充∗p<0.1，浅灰∗∗p<0.05，深灰∗∗P<0.01。
（2）关键性因子分析
从前文模型来看，影响购物性步行频率的空间形态因子较多，且相互之间关系较为复杂。因此，本文将重点挑选关键性指标进行分析。
按照模型分析的结果按伪R2增加值对排名前10的因子进行大小排序，结果见表4.17。考虑到街区边长、道路网络密度、交叉口密度3个指标的相似性，本次分析将去掉街区边长、交叉口密度指标，重点分析其他8个指标。
邻近性评价因子中的设施密度（0.059）、设施种类（0.043）、文化娱乐设施密度（0.062）、文化娱乐设施距离（0.045）对步行出行具有积极的影响。设施密度和设施种类在一定程度上反映了住区功能的多样性，它可以满足居民一次出行中的多个目的，也为居民创造步行出行提供了一次出行完成多次任务的可能，在某种程度上增加了步行的可能性，例如，接送小孩的过程中顺便购物。文化娱乐设施密度、文化娱乐设施距离对购物性步行的影响巨大，远远超过了商业设施布局的影响，这也是对目前购物消费观念的重要体现，即购物休闲化，特别是当商业和文化休闲组合时，对居民的吸引力也会大大上升。
连接性评价因子中的街道路网密度（0.048）对步行出行具有积极的影响，它在某种程度上说明了街道路网密度对购物步行的路径的便捷性，较高的街道路网密度往往意味着小尺度街区模式，其加强街道连通性，增加步行路网的渗透性，便于到达购物场所。
场所性评价因子中的大于15家/100 m沿街商业长度密度（0.049）、地块出入口密度（0.046）、可步行面积（0.042）对步行出行也有积极的影响。对于大于15家/100 m沿街商业长度密度可能的解释是丰富的沿街商业有利于居民在上下班的过程中顺便购物的行为，而且部分沿街商业可以使人群的部分购物需求在家门口解决。高地块出入口密度为居民提供多种出行路径的选择，进而促进步行，特别是密集的小区出入口缩短了居民到达购物场所的距离，有利于居民更多地选择步行购物类出行，这一指标在当下中国普遍封闭住区的环境下具有积极的意义。可步行面积是对购物行为的重要空间保障，特别是对于我国高密度的城市而言，加大步行面积可以大大缓解购物过程中的人口拥挤，例如，对于城市中心商业街道而言，宽阔的人行道可以为居民提供良好的购物优质体验，同时也可以容纳更多为居民服务的各种小品，可进一步提升购物质量。
表4.17 按伪R2增加值大小排列前10位的关键性空间变量（二）
7）影响休闲性步行的关键性因子分析
（1）模型结果
①相关性分析。本节将对休闲性步行出行频率与物质空间形态因子进行相关性分析，计算Pearson相关系数，进一步筛选购物性步行行为相关的物质空间形态变量影响因子，结果见表4.18。
表4.18 休闲性步行频率和邻近性物质空间形态的相关性
续表
注：∗p<0.1，∗∗p<0.05；深灰r>0.2，浅灰0.1<r<0.2。
②回归分析。以重新分类后的休闲性步行频率为因变量，社会属性因子为自变量，进行多项逻辑回归分析，生成作为休闲性步行频率的基础模型。与此同时，为了考察不同社会经济属性对休闲性步行的影响程度，从基础模型中逐个单独移除回归保留的变量，观察伪R2的变化值。由于伪R2反映了整个模型的拟合程度，所移除变量的伪R2变化值越大，说明该变量对模型拟合的影响越显著。最终得到的基础模型为：
LN(Pi/P0)=βi+βig1Xg2+βig2Xg3+βig3Xg4+βig4Xg5 (4.10)
式中，Xg2表示年龄；Xg3表示职业；Xg4表示家庭人口；Xg5表示私家车。
“i”=1，2，3，出行1=一般出行，出行2=较多出行，出行3=频繁出行；βign的取值为参数估计中对应的B值系数，计算结果见表4.19。
表4.19 通勤步行基础模型的拟合结果
注：∗∗表示Sig值<0.05；∗表示0.05<Sig值<0.1。
将前文Pearson相关分析中选出与休闲步行频率p<0.1的物质空间形态变量分别纳入上一步的人口属性基础模型，一方面通过加入该空间变量后模型拟合度伪R2增加值的大小来衡量该变量对休闲步行频率的影响程度。计算结果见表4.20。
表4.20 空间形态变量在休闲步行基础模型中的参数结果
续表
注：无填充∗p<0.1，浅灰∗∗p<0.05，深灰∗∗P<0.01。
（2）关键性因子分析
从前文模型来看，影响休闲性步行频率的空间形态因子较多，且相互之间关系较为复杂。因此，本文将重点挑选关键性指标进行分析。
本文首先按照模型分析的结果按伪R2增加值对排名前10的因子进行大小排序，结果见表4.21。考虑到道路网络密度、交叉口密度两个指标的相似性，本次分析将去掉交叉口密度指标；同时考虑到设施密度、文化娱乐设施密度、绿色开敞空间密度等细化为各类公共服务设施，其在某种程度上解释了公共服务设施用地比例指标，本次分析也将去掉公共服务设施用地比例指标。另外，沿街店面总长度密度和15家/100 m以上沿街店面总长度密度也在一定程度上相似，主要分析15家/100 m以上沿街店面总长度密度指标。因此，本次重点分析7个关键性指标。
邻近性评价因子中的设施密度（0.018）、文化娱乐设施密度（0.030）、绿色开敞设施密度（0.049）对步行休闲出行具有积极的影响。设施密度在一定程度上反映了住区功能的多样性，而多样的设施往往意味着多样的空间环境和社会活动，对于休闲步行具有积极的吸引力。文化娱乐设施密度对丰富居民业余生活具有积极的作用，也是引发休闲性行为的重要因素。它不仅本身就是休闲锻炼的场所，更重要的是可与当商业、绿地公园等设施结合形成重要的吸引力，让居民产生想去逛逛的想法。绿色开敞设施对休闲性步行行为具有天然的吸引力，不仅为住区提供了良好的环境。而且还是社区重要的休闲锻炼场所，特别是对于有较大社区公园的社区来说，其对休闲步行的促进较为明显（南湖社区沐锦园）。同时，在社区范围内若有相当数量的分散的绿地，其对于休闲性也有积极的影响（如花园路四小区住区）。
连接性评价因子中的街道路网密度（0.020）对步行出行具有积极的影响，反映了道路网络的渗透性。尽管休闲性没有明确的目的地，便捷性也不是其考虑的首要目标，但是高渗透性的街道网络可以为居民提供更多的路径选择，增加步行体验的复杂性和多样性，同时也可以为邻里之间提供更多邂逅与交流的机会。
场所性评价因子中的8 m以上步行道长度密度（0.028）、大于15家/100 m沿街店面长度密度（0.012）、地块出入口密度（0.011）对步行出行也有积极的影响。8 m以上步行道长度密度能容纳街头表演、健身锻炼等多样化的活动，并形成良好的活动场所，进而吸引周边居民进行休闲性出行，与此同时宽阔的人行道可提供户外座椅、咖啡茶座等户外休闲设施，也进一步满足了居民休闲步行的需求。大于15家/100 m沿街店面长度密度主要通过增加商业氛围来吸引休闲步行。从某种程度上来说，沿街商业店面越密且越长，其街道商业活力和社会活动也会相应地越来越丰富，其对休闲性步行也具有很大的吸引力；相反，实墙界面、杂乱的街道界面则会减弱居民的休闲行为。地块出入口密度反映了住区道路与封闭小区（公园）之间的内外渗透性，其密度越高，街区空间的渗透程度也越高，可以为居民提供更多的路径选择，增加步行体验的多样性和复杂性，提供更多的休闲交流机会。
表4.21 伪R2增加值大小排列前10位的关键性空间变量（三）
8）小结
本节对步行环境的邻近性进行实证研究。邻近性越好，则居民步行出行的意愿更高；反之，居民步行出行意愿越低。邻近性方面影响步行出行最主要的因素是土地利用布局和日常服务设施布局两大因素。土地利用对步行出行具有积极的影响，其主要体现为较高程度的土地混合利用，即区域内土地利用的多样性具有更多的公交设施和就业点，可以提升短距离工作机会和公交使用率，进而促进步行出行；日常服务设施中主要的商业、公共服务设施的邻近性也会促使人群选择步行出行。
通过分析影响通勤性、购物性和休闲性3种步行出行的影响因素，结果显示住区环境的设施密度、设施种类、教育设施密度、教育设施距离、公交换乘站密度对通勤性步行出行具有积极的影响；设施密度、设施种类、文化娱乐设施密度、文化娱乐设施距离对购物性出行具有重要影响；设施密度、文化娱乐设施密度、绿色开敞设施密度对休闲性出行具有重要影响。其中，文化娱乐设施距离、公交设施距离和教育设施距离是步行环境设施邻近性的重要关注方面，对居民步行出行具有重要影响。